Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licenseReconocimiento-NoComercial-SinObraDerivada 4.0 Internacional. (CC BY-NC-ND)-
dc.contributor.authorBentancor, Marceles
dc.contributor.authorBorsani Cambón Borsani, Omares
dc.contributor.authorCasaretto De Gregorio, Estebanes
dc.contributor.authorPereyra Alpuin, Cesar Gustavoes
dc.contributor.authorRamírez Paulino, Ignacioes
dc.contributor.authorTeixeira Santos, Thiagoes
dc.contributor.authorTyska Carvalho, Jônataes
dc.contributor.authorDias Javornik, Vitores
dc.date.accessioned2026-05-06T18:39:46Z-
dc.date.available2026-05-06T18:39:46Z-
dc.date.issued2025-03-13-
dc.identifier.urihttps://hdl.handle.net/20.500.12381/5532-
dc.description.abstractLa actividad agrícola moderna muestra cada vez más procesos de automatización y análisis de información que permiten un mayor monitoreo de las situaciones productivas y un mejor ajuste de las prácticas de manejo. Este enfoque moderno de la agricultura se conoce como agricultura digital. En la vitivinicultura es común la inspección ocular de las plantas a fin de tomar decisiones adecuadas de manejo por los productores e incluso por otros actores posteriores de la industria. Este sistema productivo es altamente dependiente de las condiciones de cultivo, por lo que predecir en forma temprana el rendimiento de una cosecha y adaptar las medidas de manejo del cultivo a tiempo resulta fundamental. Actualmente la estimación del rendimiento es una labor manual, pero en los últimos años ha sido identificada como blanco de automatización. Este proyecto se organizó en tres líneas de acción. La primera consistió en el diseño y fabricación de un dispositivo de bajo costo para la captura automatizada de imágenes de viñedos, generando con esto una base de datos con imágenes anotadas para su posterior procesamiento mediante técnicas de aprendizaje automático. En la segunda línea se evaluaron diferentes métodos a fin de obtener una herramienta capaz de detectar racimos de uvas, con el fin último de predecir el rendimiento de los viñedos. La tercera línea de trabajo creó una red de investigadores de la biología vegetal e inteligencia artificial, con el fin de impulsar el desarrollo de la vitivinicultura digital en nuestra región. Para esto también se llevaron a cabo actividades de difusión dirigidas a investigadores, estudiantes y productores sobre los beneficios que conlleva la incorporación de este tipo de herramienta. El prototipo desarrollado podrá transformarse en un producto comercial para el uso por parte de los productores, con las ventajas de un desarrollo generado en la región.es
dc.description.sponsorshipAgencia Nacional de Investigación e Innovaciónes
dc.language.isospaes
dc.publisherAgencia Nacional de Investigación e Innovaciónes
dc.rightsAcceso abierto*
dc.subjectDetección de frutoses
dc.subjectPredicción de rendimientoes
dc.subjectAprendizaje automáticoes
dc.titleInforme final del proyecto: Incorporación de herramientas de inteligencia artificial y visión computacional para la predicción del rendimiento en Vitis vinifera cv Tannat.es
dc.typeReporte técnicoes
dc.subject.aniiCiencias Agrícolas
dc.subject.aniiAgricultura, Silvicultura y Pesca
dc.subject.aniiAgricultura
dc.identifier.aniiIA_1_2022_1_173741es
dc.type.versionAceptadoes
dc.anii.institucionresponsableUniversidad de la República. Facultad de Cienciases
dc.anii.subjectcompleto//Ciencias Agrícolas/Agricultura, Silvicultura y Pesca/Agriculturaes
Aparece en las colecciones: Informes finales publicables de I+D

Archivos en este ítem:
archivo  Tamaño Formato
Informe_final_publicable_ IA_1_2022_1_173741.pdfDescargar 153.41 kBAdobe PDF

Las obras en REDI están protegidas por licencias Creative Commons.
Por más información sobre los términos de esta publicación, visita: Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional. (CC BY-NC-ND)